JMP Pro を使用すると、次のような形式が本質的に機能するデータに関連するさまざまな問題を簡単に解決できます。
- 時系列データ
- 製造プロセスからのセンサーストリーム
- さまざまな温度範囲で測定
- スペクトル: IR、クロマトグラフィー、質量分析、核磁気共鳴
機能データ解析の基本の概要をご覧ください。機能応答設計実験の解析に重点を置き、JMP Pro 16 で機能データエクスプローラーを使用して利用できる機能を紹介します。機能データエクスプローラーはデータを効率的に使用し、曲線/スペクトルの形状が主な目的となる、解釈しやすい結果を生成します。
次に、化学、製薬、バイオテクノロジー業界でよく見られる問題の解決に特に役立つスペクトル データの分析を容易にするために JMP Pro 17 に追加された機能について学習します。
ライブ ウェビナー中に Chris @chris_gotwalt1と Ryan Parker @RyanParkerが回答した質問:
Q: PCA を実行した場合、JMP は同じ固有値を返しますか?
A: 機能的 PCA は、モデル係数に対して実行され、形状関数を再構築します。したがって、入力空間の順序を尊重する通常の PCA とは異なる操作です。
Q: 曲線全体を最大化しようとしている場合、時間をロック解除する必要がありますか? それとも、曲線を最大化する別の方法がありますか?
A: 望ましさ関数を工夫するか、いくつかの時点を選択して試してみて、コンセンサスがあるかどうかを確認する必要があるかもしれません。また、「要約を保存」を使用して、プロファイラーで最大化を試みるには、応答の要約を作成する必要があるかもしれません。
Q: 内部の濃度を含む (NIR) スペクトルをモデル化する場合、ウェーブレットとスプラインのどちらをお勧めしますか?
A: まずは Wavelets を試してみることをお勧めします。
Q: Fit Curve では DOE 係数に同様の機能が得られることは知っています。Wavelets の下のドロップダウンに非線形モデルとしてオプションを追加する予定はありますか? 非線形モデルをさらに追加する予定はありますか? 現在、Fit Curve では制限されており、Fit には含まれていません。
A: 同意します。幸いなことに、Fit Curve プラットフォームには新しい機能を簡単に追加できます。ご提案がありましたら、support@jmp.com または JMP ユーザー コミュニティのウィッシュ リストに送信してください。
Q: ターゲット関数はコピーされ、最後に貼り付けられます (ターゲットとしてラベル付けされます)。つまり、分析で引き続き使用されますが、ターゲットとしても使用されますか?
A: ターゲット関数をロードすると、検証データとして扱われます。そのため、モデルのフィッティング時には使用されなくなり、分析から除外されます。
Q: Z 情報なしで曲線/スペクトルのみをロードすると、FDE の潜在能力を最大限に活用できないということですか? それとも、これを使用できるユースケースはありますか?
A: 製造工程の曲線を見ていて、大規模な多機能データセットを理解するために、典型的な変動の種類を特定したいとします。その意味では、主成分分析がベクトル多変量データに使用されるのとほぼ同じように、FDE を使用します。また、今日ここで取り上げていない種類の分析もあります。関数を入力として使用し、関数を予測するのではなく、関数を使用して主要な品質属性を予測する場合があります。その場合、それらを補助変数として読み込み、最後に機械学習を実行して、関数を入力として使用して主要な品質属性を予測します。
Q: ターゲット関数はコピーされ、最後に貼り付けられます (ターゲットとしてラベル付けされます)。分析で引き続き使用されますが、ターゲットとしても使用されますか?
A: ターゲット関数をロードすると、その関数は検証データとして扱われ、モデルのフィッティング時には使用されなくなります。代わりに、分析から除外されます。
Q: 通常の DOE のサイズを決定するときは、設計空間の割合を使用し、80% FDS 値を見て、特定のレベルのランダム ノイズを持つ特定の開始モデルに必要なサンプル サイズを決定します。機能的 DOE を実行するときは、応答がスカラーではなく曲線になるという事実を考慮する必要がありますか? つまり、データを滑らかな関数に変換する追加の手順を考慮して、より大きなサンプル サイズを用意する必要がありますか? 機能的 DOE に必要な曲線の数を決定する感覚をつかもうとしているだけです。
A: 舞台裏では、関数をスカラーに変換しています。そのため、使用する設計診断は以前と同じになると思います。カスタム デザイナーが提案する設計の品質を評価するために FDE プロットを使用している場合は、利用可能なスカラー分析の上に機能 DOE 分析を構築しているため、引き続きそれを使用できると思います。スカラー DOE について学んだことはすべて、機能 DOE にうまく拡張できるはずです。
Q: データを前処理せずに生データを使用することは可能ですか?
A: はい、生データをクリーンアップ、サブセット化、または変換する必要がないと思われる場合は、データに変更を加えずに、直接スムージング ステップに進むことができます。
Q: 標準グリッドとは何ですか?
A: 規則的なグリッドとは、連続する X 間の間隔が同じであるグリッドです。たとえば、{0、.5、1、1.5、2、2.5、3} は、X 値のセットが規則的なグリッドであるためです。不規則なグリッドは、{0、.2、.7、1.1、1.2、1.3、2.4、2.9} のようになります。
Q: たとえば、Symlet6 と Symlet20 の違いは何ですか?
A: 一般的に、6 と 20 のようなインデックスは複雑さの増加につながります。https 
/wavelets.pybytes.com/wavelet/sym2/にアクセスすると、さまざまな symlet のさまざまな図を見ることができます。
全体的に、さまざまなウェーブレット タイプと順序について学習する必要はあまりないと思います。データにどれが最適かを判断させて、診断プロットを見て適合が適切であることを確認するだけです。一般的に、作業したい形状関数の数を調べるのにもっと時間をかける必要があります。
Q: 表示されているすべてのウェーブレットは、ゼロレベルのベースラインを下回るため、範囲全体にわたってゼロに統合されると思いますが、ピークはピークの下の正の領域に統合されます。正しい場合、モデル化された関数とモデルの間のこの質的なギャップをどのように埋めるのですか?
A: それはデータの離散ウェーブレット変換によって実現されます。
Q: JMP で FDA を実行するには、すべての曲線が同様の形状である必要がありますか? 1 つのデータ セットに異なるタイプの形状 (正規、指数、二峰性、歪曲など) がある場合はどうなりますか?
A: いいえ。似ている必要はありません。平滑化モデルは、非常に異なる形状にも問題なく適合し、大きく異なる形状間の大きな違いは、機能主成分分析で明らかになります。
Q: 新しい（将来の）データ（新しいスペクトルなど）で使用するために、形状関数と予測モデルを保存できますか？
A: はい。ウェーブレット モデルの適合には、「関数サマリー」と呼ばれるアウトライン ノードがあり、これを使用して予測モデルを保存できます。また、機能 DOE 予測モデルを保存して、プラットフォームの外部で直接機能 DOE モデルを操作することもできます (たとえば、スタンドアロンのグラフ -> プロファイラー内)。
Q: 機能 DOE から信頼区間を取得できますか?
A: その質問は何度も出てきました。これを実現する方法についてはいくつかアイデアがありますが、信頼区間のような不確実性分析を可能にするには、さらに研究を行う必要があります。
Q: 混合変数は、コーディングなども含めて列情報にそのように設定されていますか?
A: 混合コーディング列プロパティが存在するのは、デザインがカスタム デザイナーによって作成され、自動的に作成されるためです。
リソース：
